Ένας πατέρας ανησυχεί για το μικρό παιδί του, το οποίο έχει πυρετό εδώ και δύο ημέρες και τραβάει συνεχώς το ένα αυτί του. Μια 65χρονη γυναίκα παρατηρεί ότι λαχανιάζει στις πρωινές της βόλτες και αισθάνεται μεγαλύτερη κόπωση από το συνηθισμένο. Και οι δύο καταφεύγουν στο κινητό τους τηλέφωνο και πληκτρολογούν τα συμπτώματά τους σε ένα chatbot τεχνητής νοημοσύνης.
«Το παιδί σας πιθανότατα έχει ωτίτιδα», πληροφορείται ο πατέρας. «Τα συμπτώματά σας ενδέχεται να υποδηλώνουν κάποιο καρδιολογικό πρόβλημα», διαβάζει η γυναίκα.
Πρόκειται για χρήσιμες απαντήσεις -και υπάρχει μεγάλη πιθανότητα να είναι σωστές. Η τεχνητή νοημοσύνη πλησιάζει, και σε ορισμένες περιπτώσεις ξεπερνά, την ικανότητα των γιατρών να διατυπώνουν ακριβείς διαγνώσεις. Μελέτη του Απριλίου 2026 διαπίστωσε ότι το μοντέλο o1 της OpenAI πέτυχε ποσοστό ακρίβειας 78% σε σύνθετες διαγνωστικές περιπτώσεις που είχαν δημοσιευθεί στο New England Journal of Medicine, ενώ ξεπέρασε και έμπειρους γιατρούς στη διάγνωση πραγματικών ασθενών στα επείγοντα περιστατικά. Αντίστοιχα, έρευνα του 2024 έδειξε ότι το ChatGPT, όταν λειτουργούσε αυτόνομα, είχε καλύτερες επιδόσεις από τους γιατρούς στη διάγνωση σύνθετων περιστατικών, ακόμη και όταν οι τελευταίοι είχαν τη δυνατότητα να χρησιμοποιήσουν το ίδιο εργαλείο.
Η μισή δουλειά
Ωστόσο, η σωστή διάγνωση αποτελεί μόνο τη μισή δουλειά ενός γιατρού. Το άλλο μισό αφορά το τι πρέπει να γίνει στη συνέχεια, δηλαδή τον τρόπο διαχείρισης και θεραπείας της κατάστασης του ασθενούς.
Ο Dr. Andrew Parsons γιατρός ο ίδιος και εκπαιδευτής νέων γιατρών, μελετά τον τρόπο με τον οποίο οι συνάδελφοί του λαμβάνουν αυτές τις αποφάσεις, μια διαδικασία γνωστή ως «κλινική συλλογιστική διαχείρισης» (management reasoning), καθώς και τον τρόπο με τον οποίο οι νέοι γιατροί αναπτύσσουν αυτή την ικανότητα.
«Για απλά και ξεκάθαρα προβλήματα υγείας, μια διάγνωση από την τεχνητή νοημοσύνη μπορεί να είναι αρκετή ώστε κάποιος να αναζητήσει την κατάλληλη φροντίδα, για παράδειγμα, μια κρέμα για την ανακούφιση των ούλων ενός μωρού ή ένα ραντεβού με καρδιολόγο. Όμως η αβεβαιότητα είναι συχνό φαινόμενο στην κλινική πράξη. Συχνά, η γνώση του τι έχει ένας ασθενής είναι απαραίτητη αλλά όχι επαρκής για να καθοριστεί η καλύτερη αντιμετώπιση», επισημαίνει ο Dr. Parsons.
Διάγνωση και θεραπευτική διαχείριση
Οι έμπειροι γιατροί δεν αξιολογούν κάθε ασθενή από την αρχή. Με τα χρόνια της πρακτικής τους αναπτύσσουν νοητικές συντομεύσεις, γνωστές ως «σενάρια νόσων» (illness scripts).
Τα σενάρια αυτά δεν είναι απλές λίστες συμπτωμάτων. Περιλαμβάνουν το πώς εμφανίζεται συνήθως μια ασθένεια, ποιοι άνθρωποι προσβάλλονται συχνότερα και ποια είναι η συνήθης εξέλιξή της. Όταν ένας γιατρός εξετάζει έναν νέο ασθενή, συγκρίνει όσα παρατηρεί με αυτά τα νοητικά πρότυπα, μέσα από μια διαδικασία αναγνώρισης προτύπων και κατηγοριοποίησης.
Όταν τα συμπτώματα ταιριάζουν σε ένα γνωστό μοτίβο, ο γιατρός ανακαλεί σχεδόν αυτόματα το αντίστοιχο σενάριο. Έτσι μπορεί να επικεντρωθεί σε στοιχεία που δεν ταιριάζουν απόλυτα: ένα ασυνήθιστο σύμπτωμα ή μια λεπτομέρεια στο ιστορικό του ασθενούς, όπως ένα πρόσφατο ταξίδι ή μια ιδιαίτερη επαγγελματική έκθεση, που μπορεί να οδηγεί σε διαφορετική διάγνωση.
Δεν προκαλεί έκπληξη ότι η τεχνητή νοημοσύνη είναι ιδιαίτερα αποτελεσματική σε αυτή τη διαδικασία αναγνώρισης προτύπων. Τα μεγάλα γλωσσικά μοντέλα, όπως το ChatGPT, λειτουργούν με παρόμοιο τρόπο. Προβλέπουν ποια λέξη είναι πιθανότερο να ακολουθήσει σε μια πρόταση, βασιζόμενα σε μοτίβα που έχουν μάθει από τεράστιες ποσότητες κειμένων, συμπεριλαμβανομένης της ιατρικής βιβλιογραφίας.
«Όμως η απόφαση για το επόμενο βήμα –ποιες εξετάσεις χρειάζονται, ποια θεραπεία πρέπει να δοκιμαστεί, τι πρέπει να παρακολουθείται– είναι μια εντελώς διαφορετική διαδικασία. Εκεί δεν υπάρχει μία και μοναδική σωστή απάντηση. Υπάρχουν πολλές λογικές επιλογές και η τέχνη της ιατρικής βρίσκεται στην ιεράρχησή τους», εξηγεί ο Dr. Parsons.
Το ανθρώπινο πλεονέκτημα
Πώς περνά ένας γιατρός από τη διάγνωση στη βέλτιστη φροντίδα του ασθενούς; Η απάντηση είναι σχεδόν πάντα η ίδια: «Εξαρτάται», λέει ο ειδικός και δίνει ένα σχετικό παράδειγμα.
«Ας εξετάσουμε δύο άνδρες, τον Μάρκους και τον Τομάς. Και οι δύο είναι 68 ετών και μόλις διαγνώστηκαν με πρώιμο καρκίνο του προστάτη. Οι βιοψίες τους δείχνουν το ίδιο: έναν βραδέως αναπτυσσόμενο όγκο, περιορισμένο στον προστάτη.
Οι θεραπευτικές επιλογές είναι ίδιες και για τους δύο: άμεση θεραπεία με χειρουργική επέμβαση ή ακτινοθεραπεία, με τον κίνδυνο ακράτειας και επιπτώσεων στη σεξουαλική λειτουργία, ή στενή παρακολούθηση με τακτικές εξετάσεις και παρέμβαση μόνο εάν ο όγκος εξελιχθεί.
Η τεχνητή νοημοσύνη μπορεί να παρουσιάσει αυτές τις επιλογές και τα σχετικά στατιστικά δεδομένα. Αυτό που φέρνει ο γιατρός στη συζήτηση είναι η γνώση του ίδιου του ανθρώπου που έχει απέναντί του».
Ο Dr. Parsons είναι κατατοπιστικός: «Ο Μάρκους δεν έχει άλλα σοβαρά προβλήματα υγείας. Ο γιατρός του γνωρίζει ότι δυσκολεύεται να ζει με την αβεβαιότητα. Η ιδέα ότι υπάρχει καρκίνος στο σώμα του χωρίς να αντιμετωπίζεται άμεσα τον επιβαρύνει ψυχολογικά. Επιλέγει τη θεραπεία.
Ο Τομάς, αντίθετα, πάσχει από προχωρημένη καρδιακή ανεπάρκεια. Η γιατρός του γνωρίζει ότι η καρδιακή νόσος αποτελεί πολύ πιο άμεση απειλή για τη ζωή του από τον αργά εξελισσόμενο καρκίνο. Γνωρίζει επίσης ότι έχει δει φίλο του να υποβάλλεται σε ακτινοθεραπεία με σημαντικές επιπτώσεις στην ποιότητα ζωής του. Για τον Τομάς, η στενή παρακολούθηση είναι η καλύτερη επιλογή».
Κρίνοντας τον κίνδυνο και την αβεβαιότητα
Προκειμένου να αποφασίσει πώς θα διαχειριστεί μια κατάσταση υγείας, ο γιατρός εξετάζει πρώτα τα διαθέσιμα επιστημονικά δεδομένα και στη συνέχεια τα προσαρμόζει στις ιδιαίτερες συνθήκες του ασθενούς.
Αυτό απαιτεί ειλικρινή επικοινωνία, κοινή λήψη αποφάσεων και διαχείριση της αβεβαιότητας.
Ορισμένοι κίνδυνοι μπορούν να υπολογιστούν. Για παράδειγμα, σε έναν ασθενή με πόνο στο στήθος υπάρχουν εργαλεία που εκτιμούν την πιθανότητα εμφράγματος με βάση τα συμπτώματα και τα αποτελέσματα των εξετάσεων. Η τεχνητή νοημοσύνη πιθανότατα μπορεί να κάνει αυτούς τους υπολογισμούς ταχύτερα από τους περισσότερους γιατρούς.
Όμως η πραγματική ζωή σπάνια μοιάζει με τον «μέσο ασθενή» πάνω στον οποίο βασίζονται οι κατευθυντήριες οδηγίες και τα στατιστικά μοντέλα. Επιπλέον, η αντίληψη του κινδύνου διαμορφώνεται από τις προσωπικές εμπειρίες τόσο των γιατρών όσο και των ασθενών. Για πολλούς ανθρώπους, αυτές οι εμπειρίες περιλαμβάνουν χρόνια δυσπιστίας απέναντι στο σύστημα υγείας.
Η τεχνητή νοημοσύνη δεν γνωρίζει τι έχει περάσει ο κάθε άνθρωπος ούτε ποιους κινδύνους είναι διατεθειμένος να αποδεχθεί. Δεν μπορεί να αναγνωρίσει την αβεβαιότητα με τον τρόπο που το κάνει ένας καλός γιατρός ούτε να επανεξετάσει μαζί με τον ασθενή τις αποφάσεις καθώς οι συνθήκες αλλάζουν.
«Εκεί ακριβώς χωρίζουν οι δρόμοι της διάγνωσης και της θεραπευτικής διαχείρισης», τονίζει με βεβαιότητα ο Dr. Parsons και καταλήγοντας αναφέρει τα εξής: «Ο πατέρας του παιδιού με πυρετό πιθανότατα έλαβε μια χρήσιμη απάντηση από την τεχνητή νοημοσύνη. Το σύστημα έχει «δει» μέσα από την ιατρική βιβλιογραφία χιλιάδες παρόμοια περιστατικά και μπορεί να κάνει μια εύλογη εκτίμηση. Όμως το να γνωρίζει κανείς τι πρέπει να κάνει στη συνέχεια –και κυρίως πότε πρέπει να σταματήσει να περιμένει και να αρχίσει να ανησυχεί– παραμένει μια συζήτηση που είναι καλύτερο να γίνεται με τον γιατρό του».
Πηγή: THE CONVERSATION.COM
